Диссертация (Агентная модель поведения толпы в условиях чрезвычайной ситуации для оценки интенсивности фронта выходного потока), страница 3

Подготовка к публикации полученныхрезультатов проводилась совместно с научным руководителем, причем вкладдиссертанта был определяющим. Апробация результатов исследования на конференциях проводилась как автором самостоятельно, так и с участием научногоруководителя.Публикации. Основные результаты по теме диссертации изложены в 11печатных изданиях, 6 из которых изданы в журналах, рекомендованных ВАК,3 — в журналах, индексируемых в SCOPUS, 2 — в журналах, индексируемых вWeb of Science, 5 — в тезисах докладов.Объем и структура работы. Диссертационная работа изложена на 126страницах (без приложений), включает 9 таблиц, 33 рисунка, 4 определения и 5утверждений с доказательствами.

Состоит из введения, трех глав, заключения,списка литературы из 100 наименований и 10 приложений.Краткое содержание работы. Первая глава посвящена анализу существующих моделей, а также формальному описанию предлагаемой модели как в случае обычного поведения толпы, так и при ЧС. Дается описание применяемыхалгоритмов кластеризации, дается их сравнительный анализ, описывается разработанный эволюционный алгоритм кластеризации, формулируются ряд утверждений, связанных с оценкой характеристик динамики кластеров. Во второйглаве обоснован выбор среды моделирования, описана программная реализацияи проводится калибровка модели. В третьей главе дано определение “фронтавыхода” и его характеристик, изложены основные результаты в форме лемм итеорем с доказательствами.12Раздел 1.

Агентная модель поведения толпыОдна из ключевых составляющих жизнедеятельности человека, особеннов крупных городах, заключена в безопасности движения в условиях ограниченного пространства и большого скопления других движущихся людей. Подобная проблема становится особенно актуальной при пользовании общественнымтранспортом, при проведении культурно-массовых мероприятий, на митингахи при других неотъемлемых эпизодах повседневной жизни человека. Отдельностоит отметить проблему эвакуации людей из зданий при чрезвычайных ситуациях (ЧС).Очевидно, что проведение реальных экспериментов в рамках данной задачи требует огромного финансирования и сопряжено с большими организационными сложностями. Отсюда возникает необходимость математического моделирования описанных процессов с целью определения, как наилучшей геометриипомещений, так и возникновения устойчивых групп скоплений, что позволитмаксимально эффективно, с точки зрения количества спасенных людей, выстроить процесс ликвидации ЧС.Толпа — бесструктурное скопление людей, лишенных ясно осознаваемойобщности целей, но связанных между собой сходством эмоционального состояния и общим объектом внимания [23].

Основным фактором возникновения толпы и развития ее качеств является циркулирующая реакция (нарастающее обоюдонаправленное эмоциональное заражение) и вследствие этого эффект притяжения человека (агента) к группе людей.Ключевыми особенностями толпы являются эффекты типа давка, паника,турбулентность.Нарастающая плотность агентов по достижению критического значенияприводит к появлению давки, которая в состоянии спровоцировать возникновение паники. Сама паника характеризуется стремлением агента расширить своеличное пространство, что приводит к возникновению эффекта турбулентноститолпы [72; 78]. При этом в толпе образуются волны сжатия, выталкивающиеагентов на опасные участки помещения (в частности, на стены).В результате учета имеющихся моделей и подходов, а также исследованийпо психологии толпы, были сформулированы основные априорные предположе-13ния, которые легли в основу данной агентной модели поведения при ЧС, средикоторых стоит отметить:– частичная или полная потеря ориентации в пространстве и во времени;– высокая степень турбулентности толпы, т.е.

наличие хаотичного движения во всех направлениях в условиях высокой плотности агентов;– существенное замедление скорости передвижения при определенныхусловиях (ранение, уплотнение и т.д.);– стремление к ближайшему выходу в случае нахождения выхода в пределах видимости;– стремление к присоединению к ближайшей группе агентов (эффект притяжения толпы).1.1 Особенности моделирования поведения толпы1.1.1Анализ существующих моделейВ процессе моделирования поведения толпы, и тем более при попыткемоделирования ЧС, сопряженной с паникой и другими сложными внутренними процессами, возникает проблема невозможности полного математическогоописания поведения индивида, поскольку действия и сама система принятия решений человека определяется большим количеством факторов, как физического,так и психо-социального характера.

Также каждому человеку в разной степенисвойственна иррациональность принимаемых решений. Все это обуславливаетнекоторую степень “усреднения” моделируемых процессов. Однако стоит отметить, что в основе подобного подхода лежит разумная гипотеза о применимостик толпе закона больших чисел: нетипичное поведение индивида не влияет накачественную картину поведения всей толпы.Ввиду неуклонного роста актуальности данной тематики, математическомумоделированию поведения толпы уделено большое внимание в научной литературе и с каждым годом (видимо, вследствие роста вероятности возникновенияЧС по всему миру) подобный интерес только возрастает.

Анализ существующих14работ показал, что большая часть исследований следует отнести к трем ключевым подходам:1. наивный, основанный на психологических и социальных аспектах вопроса [29; 49; 88], рассматривающий толпу с фрейдистской точки зрения;2. молекулярный, представленный в основном, так называемыми, моделями Хелбинга [9; 79], в основе которых лежит идея применения к толпелюдей методов молекулярной динамики, где дается интерпретация психологическим и социальным факторам в форме потенциалов взаимодействия между молекулами-людьми;3.

феноменологический, предложенный, в частности, в работах БекларянаАкопова [6; 56] (которые положены в основу предлагаемой модели), врамках которого априори определяются состояния агентов с их характеристиками, правила взаимодействия агентов и правила принятия решений.Молекулярный подход предполагает, что поведение человека описываетсядифференциальным уравнением, соответствующему второму закону Ньютона сосложной правой частью, в которой аккумулированы силы взаимодействия индивида с другими людьми и препятствиями.

В качестве достоинства таких моделейнеобходимо отметить учет всех заложенных характеристик индивида в динамике, а также возможность неограниченного усложнения процессов взаимодействия путем добавления новой вектор-силы. Однако численное интегрированиеподобной модели требует в среднем O(N 2 ) [82] вычислительных операций (N– количество людей) для каждого временного шага, что даже при современных вычислительных возможностях является весьма трудоемкой задачей.

Темболее, что в погоне за точностью и устойчивостью решений, авторы прибегают к методам Рунге-Кутты высокого порядка и их модификациям (например,метод Рунге-Кутты-Фельберга) [11], что, в свою очередь, еще более усложняетвычислительный процесс.В рамках феноменологического подхода существует ряд подклассов моделей таких, как непрерывные агентные, дискретные и вероятностные. Дискретные модели (например, [24; 48]) предполагают дискретизацию пространства, асамо помещение рассматривается как поле клеточного автомата. При таком подходе клетка, занимаемая индивидуумом, суть конечный автомат, состояние кото-15рого зависит от состояния его соседей. Подобная интерпретация задачи, с однойстороны, отличается быстротой вычислительных процессов (сложность O(N )),но с другой характеризуется чрезмерным “усреднением” сил взаимодействия.Вероятностный класс моделей (например, [19; 20; 27]) сравнивает личноеаприорное (до общения с коллективом) отношение к некому состоянию и соответствующая вероятность того, что индивид готов перейти в это состояние, ифинальное апостериорное отношение, сформировавшееся после общения с коллективом.

Подобные модели достаточно точно описывают коллективное поведение в рамках условных “игровых” процессов таких, как митинг, переговоры, выборы, парламент и др., а также дают оценки степени конформизма и, наоборот,индивидуализма агентов.

Тем не менее, применение таких моделей к процессуперемещения в пространстве (а не к осуществлению того или иного выбора)видится затруднительным.Класс агентных моделей представлен широким списком работ (например,[70], [72], [74]) и является самой естественной реализацией феноменологического подхода. Тем не менее, доля российских исследований в данной тематикенепростительно мала. Анализ существующих работ показал, что значительнаячасть исследований в рамках агентного моделирования поведения толпы вылились в полноценные коммерческие проекты, среди которых стоит отметитьтакие продукты как DI–Guy [38], Myriad II [39], Pedestrian Dynamics [40]. Какследует из официальных релизов указанных компаний, основными заказчикамипрограммных продуктов являются министерство обороны США и крупнейшиевоенно-промышленные корпорации.

То есть создание систем прогнозированиячеловеческого поведения также является предметом коммерциализации и представляет большой интерес как для государственных структур, так и для частныхкомпаний. При этом, очевидно, что исходные коды продуктов, как и ключевыепринципы, заложенные в основу моделей, являются объектами коммерческойтайны и интеллектуальной собственности.Несмотря на острую необходимость большого объема финансирования дляпостроения и инициализации полноценных агентных моделей (вычислительныемейнфреймы, 3D моделирование, доступ к видео записям и распознавание образов и пр.), работы академического характера по данной тематике также имеютместо. Например, в работе [94] рассматривается агентная модель поведения толпы при пожаре в концертном зале.